小编Alb*_*uez的帖子

我有两个共享所有列的数据集，我想基于除其中两列之外的所有列进行反连接。

例如，我想做如下的事情：

library(dplyr)\ndf1 <- tibble(x = c("A", "B", "C"), y = c("X", "Y", "Z"), z = c(1, 2, 3),\n              a = c(4, 5, 6))\n\ndf2 <- tibble(x = c("A", "D", "E"), y = c("X", "W", "R"), z = c(1, 5, 6),\n              a = c(4, 7, 8))\n\ndf2 %>% anti_join(df1, join_by(-c(z, a)))\n#> Error in `join_by()`:\n#> ! Expressions must use one of: `==`, `>=`, `>`, `<=`, `<`, `closest()`,\n#>   `between()`, `overlaps()`, or `within()`.\n#> \xe2\x84\xb9 Expression 1 is `-c(z, a)`.\n\n#> Backtrace:\n#>      \xe2\x96\x86\n#>   1. \xe2\x94\x9c\xe2\x94\x80df2 …

我正在使用该model = lgb.train功能。当尝试根据 LightGBM 模型的历元（即 ）绘制评估指标时，lgb.plot_metric(model)出现以下错误：

类型错误：助推器必须是 dict 或 LGBMModel。要将plot_metric与Booster类型一起使用，首先使用record_evaluation回调记录指标，然后将其作为参数传递给plot_metricbooster

但我在文档中找不到有关设置上述回调的参数的任何信息。有没有办法在不借助 scikit-learn 版本的 LightGBM 的情况下实现这一点？

我有一个名为的数据集，df其中有年、月和日变量。我想使用该write_dataset函数输出具有标准箭头数据集语法的文件夹，如下图所示：

每个文件夹内将有month=1、month=2，依此类推。

现在，为了创建它，我使用了以下代码：

df <- df %>% group_by(year, month, day)
output_folder = "my/path"
arrow::write_dataset(df, 
                     output_folder, 
                     format = "parquet", 
                     )

但是，我的数据集太大，我想利用data.table快速分组的优势。我做同样的事情的方法如下：

grouping_cols = c("year", "month", "day")
setkeyv(df, grouping_cols)

arrow::write_dataset(df, 
                     output_folder, 
                     format = "parquet", 
                     )

但是，现在结果未分组，并且返回单个 .parquet 文件（未充分利用 的潜力arrow::write_dataset）。

有没有办法让相同的数据集按指定列进行分组，但基于而data.table不是dplyr分组？